TL;DR
- Louez une RTX 4090 24 GB à $0,354 par heure sur LowCostGPU : elle fait tourner SDXL, Flux dev en FP8 et la plupart des nœuds vidéo.
- Règle empirique : SDXL veut environ 8 GB, Flux dev en FP8 environ 17 GB, les modèles vidéo 24 GB avec offloading et 48 GB sans.
- Une image SDXL prend environ 1,1 seconde et une image Flux dev 2,2 secondes sur une 4090, une fraction de centime chacune.
- Placez les checkpoints et custom_nodes sur un volume pour qu’ils survivent entre les sessions ; retélécharger les modèles est le principal gaspillage de GPU-heures.
Pourquoi louer plutôt qu’acheter une 4090
ComfyUI est par nature en pics d’activité : une soirée de prompting, un batch de mille images, puis plus rien pendant une semaine. Une carte louée ne facture que les secondes où la file tourne — $0,354/h pour une RTX 4090 à la demande, $0,177/h en interruptible — donc un mois chargé atteint rarement une fraction du prix public de la carte, et vous pouvez passer à une carte de 32 GB ou 96 GB le jour où un workflow en a besoin. Pas de mise à jour de pilotes, pas de radiateur de 450 W sous le bureau.
Choisissez la carte : 24, 32 ou 48 GB
| Carte | VRAM | À la demande | Interruptible | Idéal pour |
|---|---|---|---|---|
| RTX 3090 | 24 GB | $0,148 | $0,074 | Fermes de batch SDXL, SD 1.5, entraînement LoRA à petit budget |
| RTX 4090 | 24 GB | $0,354 | $0,177 | Le choix par défaut : Flux dev FP8, piles SDXL + ControlNet, la plupart des nœuds vidéo |
| RTX 5090 | 32 GB | $0,481 | $0,240 | Flux en pleine précision, vidéo Wan/Hunyuan, lourdes chaînes d’upscale |
| L40S | 48 GB | $0,448 | $0,224 | Servir des images aux utilisateurs 24 h/24, 7 j/7, plusieurs workflows chargés à la fois |
| RTX PRO 6000 WS | 96 GB | $0,981 | $0,490 | Diffusion vidéo sans offload, batches géants |
Règle empirique : Flux dev en FP8 demande environ 17 GB, SDXL environ 8 GB, les modèles vidéo actuels 24 GB avec offload et 48 GB sans. Le guide du GPU le moins cher classe les cartes par images par dollar.
Déployez le template (30 secondes)
- Ouvrez la console, filtrez sur la carte, choisissez une machine.
- Choisissez ComfyUI dans le sélecteur de templates. Il embarque ComfyUI-Manager, expose l’interface sur un port à terminaison TLS et monte /workspace/ComfyUI/models.
- Réglez le disque (60 GB suffisent largement pour l’OS et le cache) et attachez un volume pour les modèles — section suivante.
- Déployez. L’instance tourne au bout d’environ 30 secondes ; cliquez sur le lien du port et le graphe de nœuds est là.
lowcostgpu launch --gpu rtx-4090 --template comfyui \
--disk 60 --volume sdmodels:/workspace/ComfyUI/models
# ✓ instance i-3c91ab04 running (28.6s)
# ✓ https://i-3c91ab04.lowcostgpu.com:8188 (ComfyUI)Modèles sur un volume, une fois
Les checkpoint pèsent chacun 2 à 12 GB, et les télécharger à chaque session est la façon la plus courante de gaspiller des GPU-heures. Créez un volume la première fois, montez-le sur le dossier des modèles, remplissez-le une fois — les téléchargements Hugging Face et Civitai tournent à plusieurs Gbit/s depuis le centre de données — et chaque future instance de la région démarre avec la bibliothèque déjà présente. Une bibliothèque de 120 GB coûte $9,60/mois. Placez custom_nodes sur le même volume pour que les nœuds installés persistent aussi.
Headless : les workflows en API
Activez le mode développeur dans les paramètres de ComfyUI, puis « Save (API format) » sur n’importe quel workflow. Le JSON obtenu est un corps de requête : envoyez-le en POST vers /prompt, interrogez /history/<id>, récupérez les images depuis /view. Cette boucle est la façon dont les pipelines de batch font tourner un millier de prompts en une nuit sur de la capacité interruptible, et dont un endpoint serverless sert le même workflow derrière des workers en autoscaling.
curl -X POST https://i-3c91ab04.lowcostgpu.com:8188/prompt \
-H 'Content-Type: application/json' \
-d @workflow_api.json
# {"prompt_id": "a1c2…", "number": 12}
curl https://i-3c91ab04.lowcostgpu.com:8188/history/a1c2…Ce que coûte une image, honnêtement
| Tâche | Carte · mode | Durée | Coût |
|---|---|---|---|
| Une image SDXL, 1024², 25 steps | RTX 4090 à la demande | ~1,1 s | $0,00011 |
| Une image Flux dev, 1024², 20 steps | RTX 4090 à la demande | ~2,2 s | $0,00022 |
| Une soirée de prompting | RTX 4090 à la demande | 3 h | $1,06 |
| 10 000 images Flux, en batch | RTX 4090 interruptible | ~6,1 h | $1,08 |
| Bibliothèque de modèles, toujours prête | volume de 120 GB | 1 mois | $9,60 |
Environ 4 622 images Flux par dollar à la demande, 9 245 en interruptible. Les vitesses sont typiques pour une 4090 optimisée ; votre workflow, la résolution et le nombre de steps les font varier.
Cinq pièges qui gaspillent des GPU-heures
- Télécharger les modèles à chaque session — le volume ci-dessus règle le problème définitivement.
- Laisser l’instance tourner toute la nuit — arrêtez-la ; la facturation à la seconde signifie qu’un GPU inactif est du gaspillage pur. Le disque survit à un arrêt/redémarrage.
- Faire tourner des batches à la demande — les files d’attente sont interruptibles par nature : chaque prompt est un élément redémarrable. Payez moitié moins.
- Choisir une carte sur le seul prix horaire — une 5090 termine les batches Flux plus vite que ne le justifie son écart de prix avec une 4090 ; images par dollar est la mesure qui compte.
- Oublier les sorties — enregistrez les résultats sur le volume ou téléchargez-les avant de détruire l’instance ; le disque de l’instance meurt avec l’instance.
Faites travailler ces chiffres
Chaque prix de ce guide est notre tarif en direct — fixe, ≥30 % sous la médiane du marché, facturé à la seconde. Déployez exactement la configuration ci-dessus depuis la console en environ 30 secondes, paiement en crypto, sans carte et sans KYC.
